实体
TabPFN-2.5
TabPFN-2.5
PulseAugur coverage of TabPFN-2.5 — every cluster mentioning TabPFN-2.5 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
关系Transformer在数据库深度学习模型中表现优于其他模型
一项新的基准测试研究评估了用于关系数据库的深度学习模型，发现关系Transformer (RT) 方法通常优于其他方法。该研究系统地将RT与基于图的模型以及TabPFN-2.5表格基础模型在各种数据库和任务上进行了比较。结果表明，RT取得了卓越的性能，甚至在单表学习任务上超越了TabPFN-2.5。研究还表明，将学习扩展到多个表可以提高性能，尽管随着计算复杂度的增加，收益会减小。
-
TabPFN-3 以速度和规模推动表格数据预测
一份新的技术报告介绍了 TabPFN-3，这是一种先进的表格数据基础模型，显著提高了性能和速度。该模型可扩展到拥有多达 100 万行训练数据的表格数据集，与前代模型 TabPFN-2.5 相比，训练和推理时间大大缩短。TabPFN-3 在包括 TabArena 在内的各种基准测试中均取得了最先进的结果，并在时间序列、关系型和表格-文本数据预测方面展现出更强的能力。
-
TabPFN-3 模型提升表格数据预测和速度
一份新的技术报告介绍了 TabPFN-3，这是一款先进的表格数据基础模型，显著提高了性能和速度。该模型可扩展至包含多达一百万个训练行的数据集，并缩短了训练和推理时间，在 TabArena 等基准测试中表现优于现有模型。TabPFN-3 还将其能力扩展到时间序列、关系型和表格-文本数据，取得了新的最先进成果。